单变量单步预测
shift()的用法
向下、上移动一位
输入序列指定为5
单变量多步预测
另一种类型的预测问题是使用过去的值来预测未来的序列值,这可以被称为序列预测或多步预测。
多变量
具体例子:(本人实验)
ef parser(x):
return datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f')
series = read_csv('TSLA.csv', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser=parser)
values = series.values
#因为当时TSLA是两个变量,已经2维,所以不需要reshape,就注释啦
# values = values.reshape(len(values), 1) #重新构建数组形式:len(X)行,1列
# 将所有数据缩放到(0,1)之间
scaler = MinMaxScaler(feature_range=(0, 1))
scaled = scaler.fit_transform(values)
scaled = DataFrame(scaled)
reframed = series_to_supervised(scaled,2, 1) # 过去2个值预测未来1个值,这里是两个变量哦
print("data:",reframed) # var1(t-5) var1(t-4) var1(t-3) var1(t-2) var1(t-1) || var1(t) var1(t+1)